Читать книгу Все способы заработка в интернете - Ильвир Ирекович Зайнуллин - Страница 7

Работа с данными – одна из самых востребованных сфер в интернете. Здесь есть и сложные профессии, и простые задания, которые подойдут новичкам.

Ниже – полный разбор направлений, примеры задач и сайты, где можно работать.

Data Science (DS)

Что делают специалисты по Data Science:

Анализируют большие объёмы данных, находят закономерности, помогают компаниям принимать решения на основе цифр, строят математические модели.

Примеры задач:

– прогноз продаж;

– поиск ключевых факторов, влияющих на прибыль;

– построение моделей рекомендаций (например, как делает маркетплейс или онлайн-кинотеатр);

– анализ поведения пользователей.

Где работать:

– Хабр Фриланс (freelance.habr.com) – проекты по аналитике, моделированию, Python.

– Kaggle (kaggle.com) – не для заработка, а для прокачки навыков: соревнования, датасеты, обучение.

– VCV, Geekjob, G-MS, HeadHunter – вакансии Data Science (удалённая работа).

– Яндекс. Практикум-тренажёры / Karpov Courses-песочницы – практические задания для портфолио.

Как начать новичку:

– Выучить Python (библиотеки Pandas, NumPy, Matplotlib).

– Освоить SQL.

– Научиться работать с Jupyter Notebook.

– Пройти 2—3 пет-проекта: анализ датасета, прогноз цены, классификация.

– Сделать портфолио на GitHub.

– Реагировать на заказы с Хабра.

Аналитика данных

Аналитик данных помогает бизнесу понимать, что происходит: почему падают продажи, какие товары популярнее, что улучшить на сайте.

Это проще, чем Data Science – не требует глубоких математических моделей.

Примеры задач:

– отчёты о продажах;

– построение дашбордов (визуальных панелей);

– анализ эффективности рекламных кампаний;

– работа с пользовательскими метриками;

– поиск ошибок в данных.

Где работать:

– Яндекс. Толока (toloka.ai) – микро-анализ, простые задания.

– Analytica (analytica. one) – биржа аналитиков.

– Freelance.ru, Kwork.ru – заказы на отчёты, дашборды, Excel, SQL.

– Habr Freelance – работа с SQL, Power BI, аналитикой.

Инструменты, которые нужно освоить новичку:

– Excel / Таблицы;

– SQL (основы SELECT, JOIN, GROUP BY);

– Power BI или Data Studio;

– Метрика и аналитика рекламных площадок;

– Основы статистики.

Машинное обучение (ML)

Подраздел Data Science, но гораздо более технический.

Что делает специалист:

– создаёт алгоритмы, которые «учатся» на данных;

– делает модели прогнозирования, классификации, рекомендации;

– обучает нейросети;

– участвует в разработке умных сервисов: чат-боты, фильтры, рекомендации, распознавание текста/лица/речи.